基于自适应中值滤波半径的纹理滤波算法

作者:郭和炀;刘俊如;赵汉理; 刊名:现代计算机(专业版) 上传者:石艳霞

【摘要】图像纹理滤波在保持图像中的显著结构信息的同时有效地过滤图像中的纹理信息。传统的纹理滤波方法很难平衡好复杂纹理过滤能力和结构边界特征保持能力之间的效果。提出一种改进地基于方向的相对总变差模型来描述图像中的纹理特征尺度,可以有效地区分纹理特征和结构边界。基于最大-最小图像栈方法计算出图像中各个像素的自适应中值滤波半径,并运用自适应中值滤波生成一幅引导图像。基于引导图像对输入图像做联合双边滤波操作获得结构保持的纹理滤波图像。实验对比数据证明该算法既能有效地平滑纹理细节信息,也能有效地保持显著结构特征。

全文阅读

温州大学研究生创新基金项目(No.16-29)0引言图像是一种重要的视觉信息表达媒介,通常会包含各种纹理信息。纹理体现了物体表面的共有内在属性,包含了物体表面结构组织排列的重要信息以及其与周围的联系[1]。图像纹理滤波器可以有效地过滤图像中的纹理细节信息,同时较好地保持显著的结构边缘信息。因此,基于结构保持的图像纹理滤波器可以将图像中的纹理信息和显著结构信息进行有效地分离。并且,图像纹理滤波算法经常作为一些图像处理应用的预处理操作,可以用来改善输入图像的信息,方便计算机理解图像。图像纹理滤波器可以优化诸如边缘检测和图像分割等图像处理应用。本文提出了一种新的图像纹理滤波算法。首先,该图像纹理滤波算法采用一种改进的基于方向的相对总变差尺度md RTV(modified directional Relative TotalVariation)来区分图像的显著结构边界和纹理细节区域。然后,基于最大-最小图像栈确定自适应纹理滤波半径,运用自适应中值滤波生成一幅引导图像。最后,对输入图像使用基于引导图像的联合双边滤波,得到最终的结构保持的纹理滤波图像。1相关工作图像纹理滤波算法在图像处理领域有着重要的作用,越来越多的研究学者专注于该课题的研究。近年来,已有很多优秀的基于边缘保持的图像滤波算法被提出。一种是基于细节信息过滤的图像滤波算法。该种类型的滤波算法将图像中的纹理滤除并保留图像的显著结构信息。形态学滤波[2]是其中一个经典的算法,基于时域信号处理,可以有效防止信号幅度衰减和相位移动的问题,同时信号的保真度也保持得较好。但是,形态学滤波可能会破坏图像的细节和边缘。双边滤波[3]则是结合了图像中像素灰度值的相似性和像素之间的空间距离,既能保持图像边缘,又能达到抑制噪声的效果。但是,双边滤波器还不能做到平滑任意尺度的图像细节。Buades等[4]提出了基于块相似性的非局部均值滤波算法,Perona等[5]提出了基于偏微分方程的各向异性扩散滤波算法。Ma等[6]提出了一种加权中值滤波算法进行图像滤波和边界保持操作。这些算法虽然在图像滤波的过程中很好地保持了图像的边界结构信息,但是并不能很好地处理图像中的复杂纹理信息。另一种是基于纹理信息过滤的图像滤波算法。该种类型的滤波算法通过相应操作对图像中的纹理信息和显著结构信息进行区分并且建立一幅引导图像,然后基于引导图像对输入图像进行结构保持的纹理滤波。Xu等[7]提出了一种基于相对总变差尺度(RTV,Relative Total Variation)的纹理滤波算法,从带有复杂纹理信息的图像中有效地提取出显著结构信息。Kara-can等[8]提出了一种基于局部区域协方差的纹理过滤方法。Cho等[9]提出了一种改进的相对总变差尺度(m RTV,modified Relative Total Variation),运用图像块偏移的思想建立引导图像,实现对输入图像的纹理滤波。最近,Jeon等[10]则提出了基于方向的相对总变差尺度(d RTV,directional Relative Total Variation),设计了一种基于自适应高斯滤波半径的纹理尺度感知的图像纹理滤波方法。2算法介绍图1示意了本文算法的主要步骤,算法流程具体如下。首先,根据输入图像(如图1a所示)计算出一种新的用于区分图像中显著结构信息和复杂纹理信息的尺度md RTV。其次,将所生成md RTV尺度图像进行归一化处理,并且运用中值滤波对归一化后的md RTV尺度图像进行平滑过滤(如图1b所示)。然后,计算出每个像素的自适应滤波半径,并且根据自适应滤波

参考文献

引证文献

问答

我要提问